Luna ya no encaja tan fácilmente en la casilla de «tareas pequeñas». Los resultados de GPT‑6 dan motivos para mirarla de nuevo.
Esta semana han llegado GPT‑6 Sol y Luna a Codex, ChatGPT Work y la API. Y hay una comparación de programación que explica bien la sorpresa.
UNA SORPRESA EN CÓDIGO
En una evaluación de tareas largas en repositorios de código, Luna queda cerca de Sol:
| Luna, a 2,2 puntos de Sol | ||
| GPT‑6 Luna66,6 % | ||
| GPT‑6 Sol68,8 % | ||
| 0 %100 % | ||
| DeepSWE v1.1 · Ambos con esfuerzo máximo. Evaluación de tareas largas de ingeniería de software. |
Es una prueba concreta: resultados parecidos no implican la misma velocidad ni la misma necesidad de revisión. Ver la evaluación.
¿Por qué me parece interesante? Porque invita a reconsiderar qué tareas de varios pasos le encargamos a Luna. Astra sigue siendo la opción de mayor capacidad para el trabajo más exigente.
DOS MEJORAS MÁS QUE IMPORTAN
También mejora usando el ordenador
En OSWorld 2.0 offline, GPT‑6 Luna supera a GPT‑5.6 Sol en tareas realizadas con un ordenador.
El matiz importa: Luna usa esfuerzo máximo y el Sol anterior, medio. La mejora también alcanza el manejo de interfaces.
Menos errores al contar lo que ha hecho
En las evaluaciones de OpenAI, ambos hacen menos afirmaciones engañosas sobre su trabajo de programación.
Además, Sol reduce aproximadamente a la mitad los errores factuales frente a su antecesor en una prueba interna; Luna también mejora. Son pruebas centradas en situaciones difíciles, no tasas de error del uso cotidiano.
Dónde puedes usarlos
| Codex | Sol y Luna en Plus, Pro, Business, Enterprise y Edu. |
| ChatGPT Work | Sol y Luna en esos mismos planes. |
| Escritorio | Free y Go también tienen acceso a Luna. |
| API | gpt-6-sol gpt-6-luna |
| Chat | Todavía no disponibles. |
El apunte de precio: en la API, Sol y Luna cuestan al menos un 50 % menos que las tarifas promocionales de GPT‑5.6. No cambia la cuota de Codex. Ver precios oficiales.
Con lo que me quedo
La etiqueta de «modelo pequeño» empieza a decirnos menos sobre las tareas que puede asumir. Lo interesante de Luna es que obliga a revisar dónde poníamos ese límite.
En colaboración con Samsung Dev Spain
¿Te apetece poner tus skills a prueba?
El 16 de octubre estaré en Madrid en Dev Challenge, una competición gratuita con retos de IA, programación y debugging.
Puedes participar solo o en equipo. La página del evento muestra ahora una lista de espera. El equipo ganador se lleva un Galaxy Z Fold8 por persona.
Y PARA ACABAR…
Con estas novedades, me interesa saber dónde pondrías a Luna en tu trabajo con Codex.
¿Qué le encargarías primero a GPT‑6 Luna en Codex?
Vota y, si ya la has usado, cuéntame qué te sorprendió o dónde se quedó corta.
Un abrazo,
Kiko
¿Te reenviaron este correo? Regístrate aquí para recibir cada lunes una idea importante, una aplicación concreta y solo las novedades que merezcan atención.